AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs xAI: Grok 4.3

Resumo

Claude Opus 4.8 lidera na pontuação média com 7.3 vs 7.1. Grok 4.3 (medium) tem menor custo de benchmark com $0.779 vs $1.166. Claude Opus 4.8 é mais rápido com 4.91s vs 47.45s, com taxas de acerto de 63.6% vs 68.2%.

Modelo recomendadoClaude Opus 4.8Tem a melhor pontuação aqui (7.3) e responde cerca de 9.7x mais rápido que Grok 4.3 (medium).

Benchmarks gerados a partir das suítes de teste do AI BENCHY em: 2026-07-17

Métrica	Claude Opus 4.8 Claude Opus 4.8 none Lançamento: 2026-05-28	Grok 4.3 Grok 4.3 medium Lançamento: 2026-05-01

Métrica	Claude Opus 4.8 Claude Opus 4.8 none Lançamento: 2026-05-28	Grok 4.3 Grok 4.3 medium Lançamento: 2026-05-01
Pontuação	7.3	7.1
Posição	#63	#70
Confiabilidade	10.0	10.0
Consistência	9.2	8.6
Testes corretos
Taxa de acerto por tentativa	63.6%	68.2%
Testes instáveis	2	4
Execuções totais	66	66
Custo por resultado	8.969	5.990
Custo total	$1.166	$0.779
Preço de entrada	$5.000 / 1M	$1.250 / 1M
Preço de saída	$25.000 / 1M	$2.500 / 1M
Total de tokens de entrada	149,206	140,031
Tokens de saída	16,797	13,739
Tokens de raciocínio	0	227,682
Tempo de resposta (médio)	4.91s	47.45s
Tempo de resposta (máx.)	35.03s	216.69s
Tempo de resposta (total)	108.03s	1043.83s

Geração showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#63 Claude Opus 4.8

none

Custo: $0.053
Tempo: 22.0s
Tokens: 2,253 tok

#70 xAI: Grok 4.3

medium

Custo: $0.009
Tempo: 19.0s
Tokens: 3,661 tok

Melhores modelos por pontuação

Pontuação vs custo total

Tempo de resposta (médio)

Pontuação vs Tempo de resposta (médio)

Total de tokens de saída

Pontuação vs Total de tokens de saída

Detalhamento por categoria

Categoria:

Truques anti-IA	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	6.5	10.0	50.0%	0		3.40s	834	1,472	0
Grok 4.3	10.0	10.0	100.0%	0		8.83s	2,010	88	8,207

Programação	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
Grok 4.3	5.9	7.7	44.4%	1		41.23s	8,340	1,028	31,226

Combinado	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	9.8	10.0	100.0%	0		26.38s	111,760	11,949	0
Grok 4.3	6.5	10.0	50.0%	0		55.07s	108,468	11,992	21,601

Análise e extração de dados	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	7.3	5.8	83.3%	1		1.77s	10,503	308	0
Grok 4.3	10.0	10.0	100.0%	0		18.97s	7,761	180	9,546

Específico do domínio	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	5.3	7.2	44.4%	1		1.70s	975	61	0
Grok 4.3	5.3	7.2	44.4%	1		181.74s	1,764	14	111,300

Inteligência geral	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	10.0	10.0	100.0%	0		3.48s	708	230	0
Grok 4.3	5.4	2.5	66.7%	1		24.70s	825	70	5,020

Seguimento de instruções	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	9.9	10.0	100.0%	0		1.37s	909	95	0
Grok 4.3	9.8	10.0	100.0%	0		18.58s	1,362	57	8,713

Resolução de quebra-cabeças	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	7.7	10.0	66.7%	0		2.74s	894	783	0
Grok 4.3	5.9	7.2	55.6%	1		22.52s	1,689	128	14,468

Chamada de ferramentas	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	10.0	10.0	100.0%	0		5.35s	11,775	355	0
Grok 4.3	10.0	10.0	100.0%	0		17.66s	7,263	168	4,615

Conhecimentos gerais	Pontuação	Consistência	Taxa de acerto por tentativa	Testes instáveis	Testes corretos	Tempo de resposta (médio)	Tokens de entrada	Tokens de saída	Tokens de raciocínio
Claude Opus 4.8	3.0	10.0	0.0%	0		3.41s	258	212	0
Grok 4.3	3.0	10.0	0.0%	0		44.47s	549	14	12,986

Comparação rápida

Trocar par de comparação

Claude Opus 4.8nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsGrok 4.3medium Claude Opus 4.8nonevsKimi K2.6medium Claude Opus 4.8nonevsGemini 3.1 Flash Litemedium Claude Opus 4.8nonevsKAT-Coder-Pro V2.5high Claude Opus 4.8nonevsGemini 3.1 Flash Lite Previewmedium Claude Opus 4.8nonevsQwen3.5 Plus 2026-04-20medium KAT-Coder-Pro V2.5highvsGrok 4.3medium Claude Opus 4.8nonevsKAT-Coder-Pro V2.5low Claude Opus 4.8nonevsGemini 3 Flash Previewlow Step 3.7 FlashlowvsGrok 4.3medium Claude Opus 4.8nonevsQwen3.5-122B-A10Bmedium